이력서에 “ChatGPT 활용 가능” 한 줄을 써넣고, 이걸로 충분한 건지 스스로도 확신이 안 서던 순간이 있으실 거예요. AI로 취업이나 이직을 노리는 분들이 가장 많이 막히는 지점이 바로 여기예요. 무엇을 어디까지 공부해야 하는지, 기준선이 안 보이거든요.
AI 쪽에서 일하며 지켜본 결과, 지금 공부의 정답은 2~3년 전과 많이 달라졌어요. 모델을 이해하는 공부에서, 모델을 부리고 검증하는 공부로 무게중심이 넘어갔어요.
한눈에 보기
- AI 공부는 정해진 순서의 워크플로(루프)로 시작해, 익숙해지면 자율 에이전트로 넓혀가는 순서가 실무와 맞아요.
- 오픈소스인 MCP와 LangGraph를 쓰면 돈을 거의 들이지 않고 실제 실무 스택을 만져볼 수 있어요.
- 기업은 모델을 만드는 사람보다, LLM을 부려서 결과를 검증하는 사람을 뽑는 쪽으로 옮겨가고 있어요.
지금 AI 공부, 뭐부터 손대야 할까요?
워크플로부터 시작하는 편이 편해요. 워크플로는 정해진 순서대로 도는 반복 구조, 즉 루프예요. 입력을 넣으면 정해진 단계를 밟아 결과가 나오는 흐름이죠.
여기에 익숙해진 다음 에이전트로 넘어가는 게 입문자에게 권장되는 순서예요(HowtoAI). 에이전트는 사람이 순서를 일일이 정해주지 않아도 스스로 판단해 작업을 이어가는 AI를 말해요.
순서를 건너뛰고 처음부터 자율 에이전트를 붙잡으면, 왜 그렇게 도는지 감을 못 잡은 채 코드만 베끼게 되더라고요. 루프를 손에 익힌 사람이 결국 에이전트도 빨리 이해해요.
| 키워드 | 뜻 | 학습에서의 위치 |
|---|---|---|
| LLM | 대규모 언어 모델 | 부리는 대상. 만드는 능력보다 다루는 능력 |
| 루프 | 정해진 순서로 도는 반복 구조 | 시작점. 워크플로로 감 잡기 |
| 컨텍스트 | 모델에 넣는 정보 설계 | 성능을 가르는 실무 핵심 |
| 에이전트 | 자율로 작업하는 AI | 루프 다음의 확장 단계 |
| 오픈소스 | 공개 소스 생태계 | 무료 실습 진입로 |
AI 채용은 정말 늘고 있을까요?
늘긴 늘어요. 그런데 결이 갈려요. AI 키워드가 들어간 채용 공고는 5년 전보다 112% 늘었고, 신입직 공고는 162%나 증가했어요(한국데이터경제신문). 비수도권 증가율이 232%로 수도권 110%를 앞선 것도 눈에 띄는 대목이에요.
반면 소프트웨어 인력을 줄인 기업 수는 2024년 5월 14곳에서 2026년 5월 26곳으로 늘었어요(데이터뉴스). AI 채용은 늘지만 소프트웨어 고용은 둔해지는 이중 구조인 셈이에요.
기업은 어떤 사람을 뽑으려 할까요?
이미 AI를 쓰는 사람을 원해요. 기업의 92%가 생성형 AI 역량을 요구하는 직무 채용을 준비 중이고, 69.2%는 채용할 때 AI 역량을 본다고 답했어요(CIO Korea). AI 리터러시를 실제로 검증하겠다는 곳도 46%예요(한경 잡앤조이).
여기서 중요한 신호는 ‘검증’이에요. 써봤다는 말로는 부족하고, 직접 만든 결과물과 그렇게 설계한 이유를 보여줄 수 있어야 통해요. 그래서 취준생에겐 스펙보다 포트폴리오가 더 강한 무기가 돼요.
프롬프트에서 컨텍스트로, 뭐가 달라진 걸까요?
컨텍스트 엔지니어링이 프롬프트 엔지니어링을 대체한 핵심 스킬로 떠올랐어요(Anthropic). 프롬프트가 “무슨 말을 던지나”라면, 컨텍스트는 “모델에게 어떤 정보를 어디까지 넣어주나”를 설계하는 일이에요.
주의할 현상이 하나 있어요. ‘컨텍스트 로트(context rot)’예요. 넣는 정보(토큰)가 많아질수록 오히려 모델이 필요한 걸 제대로 못 찾는 현상이에요. 무작정 다 넣는다고 좋아지지 않는다는 뜻이죠.
이 흐름을 떠받치는 게 MCP(Model Context Protocol)예요. Anthropic이 2024년 11월 오픈소스로 공개한 규약으로, SDK 월 다운로드가 2026년 3월 기준 9,700만 건, 공개 서버가 1만 개를 넘었어요(Pento). 2025년 12월엔 Linux Foundation 산하 재단에 기부돼 사실상 업계 공통 규약으로 자리 잡았어요.
에이전트 시장은 얼마나 커질까요?
빠르게 커지고 있어요. 글로벌 AI 에이전트 시장은 2024년 51억 달러에서 2030년에는 470억~530억 달러 규모로 전망돼요. 기관마다 수치가 다르지만, 공통적으로 연 40%대 고성장을 가리켜요(Research and Markets 등, 기관별 편차).
숫자만 보면 감이 안 오실 텐데, 6년 만에 약 10배로 커진다는 얘기예요. 성장하는 건 에이전트를 만드는 쪽 수요이지, 단순 코딩 수요가 아니라는 점을 눈여겨보면 좋아요.
초급 개발자 자리가 줄어든다는 말, 맞을까요?
부분적으로 그런 움직임이 보여요. GitHub Copilot, Devin, Cursor 같은 AI 코딩 도구의 성능이 좋아지면서 초급 인력 수요가 줄어드는 흐름이 관측돼요(코리아비즈니스리뷰).
다만 “주니어 여럿보다 시니어 한 명”이라는 식의 말은 업계에서 회자되는 표현이지, 특정 기업의 공식 방침으로 확인된 건 아니에요. 초급 코딩이 흔해질수록, 신입은 코드를 짜는 사람이 아니라 에이전트를 설계하고 검증하는 사람으로 자리를 잡는 편이 방어력이 생겨요.
비전공자나 이직자에게도 기회가 있을까요?
진입로 자체는 오히려 넓어졌어요. 돈이 크게 안 들거든요. 다뤄볼 만한 오픈소스를 정리하면 이래요.
- MCP: 모델과 도구를 잇는 표준 규약. 공개 서버 1만 개 이상이라 붙여볼 재료가 많아요.
- LangGraph: 에이전트를 그래프로 짜는 프레임워크. GitHub 스타 3만 2천 개 이상(2026년 상반기 기준), Klarna·Uber·LinkedIn 등이 실서비스에 써요.
- 이 둘을 조합하면 유료 도구 없이도 워크플로 루프와 에이전트를 직접 굴려볼 수 있어요.
데이터 조직의 95%가 2026년 컨텍스트 관련 교육에 투자하겠다고 밝힌 점(SDG Group), 비수도권 공고 증가율이 수도권을 앞선 점도 재교육이나 지역 이동을 노리는 이직자에게 나쁘지 않은 신호예요.
2~3년 학습 지도는 어떻게 그려야 할까요?
큰 줄기는 단순해요. 오픈소스로 LLM을 붙잡고, 컨텍스트를 설계하고, 워크플로 루프로 시작해 에이전트로 넓히는 것. 다섯 키워드가 따로 노는 게 아니라 하나의 경로로 이어져 있어요.
무엇을 공부하냐의 정답이 2~3년마다 바뀌는 시대예요. 그래서 특정 기술을 외우는 것보다, 변화에 그때그때 붙는 학습 루프를 몸에 익히는 것 자체가 실력이 돼요. 기술은 갈아입어도 이 루프는 안 낡거든요.
취업이나 이직을 준비하는 분이라면, 결국 남는 질문은 하나예요. “나는 지금 무엇을 만들어봤는가.” 완성도보다 만들어본 흔적, 그리고 왜 그렇게 만들었는지 설명할 수 있는가가 다음 몇 년을 가를 거라고 봐요. 조급해하지 않으셔도 돼요. 작은 워크플로 하나부터 손에 익히면, 그다음은 생각보다 자연스럽게 이어지더라고요.
참고 출처
- 한국데이터경제신문: https://www.dataeconomy.co.kr/news/articleView.html?idxno=35824
- CIO Korea: https://www.cio.com/article/3982553/
- 한경 매거진 잡앤조이: https://magazine.hankyung.com/job-joy/article/202512290531d
- 데이터뉴스: https://datanews.co.kr/news/article.html?no=145371
- 코리아비즈니스리뷰: https://www.koreabizreview.com/articles/kbr-legacy-7527
- Anthropic(MCP 공개): https://www.anthropic.com/news/model-context-protocol
- Pento(A Year of MCP): https://www.pento.ai/blog/a-year-of-mcp-2025-review
- Anthropic(컨텍스트 엔지니어링): https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
- LangChain(에이전트 프레임워크): https://www.langchain.com/resources/ai-agent-frameworks
- HowtoAI(입문 가이드): https://www.how-toai.com/blog/ai-agent-development-beginner-guide-2026